基于扭摆的落体质心与光心距离的高精度测量

在激光干涉绝对重力仪中,落体的旋转导致重力测量不准确。 为了减小旋转误差对重力测量的影响,提出了一种能够 实现高精度测量落体质心与光心间距的方法。 该方法基于扭摆装置,使用扭丝横向悬挂落体,通过导引激励扭丝,落体将绕扭 丝扭转,用正交干涉仪测量落体在扭转模式下光心沿着测量方向的位移信号,光电自准直仪同步测量落体扭转的角度信号。 用 遗传算法分别扣除了单摆与扭转一倍频分量的影响;其次构造一个随时间衰减的角度信号,消除气体阻尼对二倍频幅值衰减的 影响。 结果表明,光心与质心间距在重力方向的偏移量 δz 的扩展不确定度小于 0. 58 μm。 考虑到在 NIM-3A 绝对重力仪上测得 的最大角速度为 24. 67 mrad / s,绝对重力测量中的旋转误差可以降低到 0. 035 μGal。     

面向建筑物重建的相机标定方法研究

由于灭点具有很多独特的几何属性且大量地存在于建筑物场景中,因此针对建筑物重建,提出了一种基于灭点的相机标定方法。首先通过构造各种几何约束关系,如灭点与相机矩阵间的关系、世界坐标原点和相机矩阵间的关系,逐步实现相机矩阵的度量重建和欧氏重建,获得相机矩阵的值,然后通过分解相机矩阵得到相机的内外部参数。该方法在标定过程中无须借助任何标定物,求解过程简单,标定速度快。实验结果表明,该方法可以满足虚拟现实中建筑物场景重建的需要。     

面向大规模地形LOD模型的并行简化算法

大规模地形的快速绘制一般采用层次细节（LOD）模型,需要在预处理阶段使用网格简化算法对模型进行简化。简化质量与简化效率间的矛盾一直是各种简化算法所需面临的问题。通过利用通用的并行编程环境MPI,提出了一种基于四叉树网格剖分的并行简化算法,通过并行化达到提高算法效率的目的,并就模型拼接及负载平衡进行了相关讨论。最后,通过具体实例在集群环境下验证了算法的有效性,得到了较好的并行效果。     

基于AT-PGGAN的增强数据车辆型号精细识别

目的 车型识别在智能交通、智慧安防、自动驾驶等领域具有十分重要的应用前景。而车型识别中，带标签车型数据的数量是影响车型识别的重要因素。本文以"增强数据"为核心，结合PGGAN（progressive growing of GANs）和Attention机制，提出一种基于对抗网络生成数据再分类的网络模型AT-PGGAN（attention-progressive growing of GANs），采用模型生成带标签车型图像的数量，从而提高车型识别准确率。方法 该模型由生成网络和分类网络组成，利用生成网络对训练数据进行增强扩充，利用注意力机制和标签重嵌入方法对生成网络进行优化使其生成图像细节更加完善，提出标签重标定的方法重新确定生成图像的标签数据，并对生成图像进行相应的筛选。使用扩充的图像加上原有数据集的图像作为输入训练分类网络。结果 本文模型能够很好地扩充已有的车辆图像，在公开数据集StanfordCars上，其识别准确率相比未使用AT-PGGAN模型进行数据扩充的分类网络均有1%以上的提升，在CompCars上与其他网络进行对比，本文方法在同等条件下最高准确率达到96.6%，高于对比方法。实验结果表明该方法能有效提高车辆精细识别的准确率。结论 将生成对抗网络用于对数据的扩充增强，生成图像能够很好地模拟原图像数据，对原图像数据具有正则的作用，图像数据可以使图像的细粒度识别准确率获得一定的提升，具有较大的应用前景。     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法.该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测.实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见.     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种 随机图像选取与自适应背景更新的运动物体检测方法。该方法从视频序列中随机选取一帧图像 作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现 运动物体的检测。实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大 以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见。     

基于动态规划的城市道路提取改进算法

从航空或卫星影像中提取道路一直是研究的热点,基于动态规划的道路提取算法是最有效的算法之一。该文基于LiDAR点云数据特征改进了该算法的代价函数,进而提高了基于动态规划的道路提取算法的鲁棒性。为正确地融合航拍图像和LiDAR点云数据,研究了航拍图像和LiDAR点云数据的匹配算法。最后,通过试验验证了算法的正确性。     

一种基于扭秤的重力梯度动态测量方法

针对传统的扭秤式重力梯度仪测量准确度高,但稳定性差且测量效率低的问题进行了研究。引入动态调制方法,并将Z型扭秤结构应用于动态测量模式,实现重力水平梯度和重力曲率值的同时测量。在信号处理过程中使用旋转滤波和遗传算法,可有效消除扭摆自由振荡对目标峰值的影响并提取目标频率的幅值和相位。仿真实验结果表明,遗传算法从动态测量模式信号中提取目标重力梯度值引入的不确定度分量不超过0.007 7 E(1 E=10^-9/s²)。使用遗传算法进行数据后处理时,系统的测量不确定度评定为0.058 2 E。     

基于动态规划的城市道路提取改进算法

从航空或卫星影像中提取道路一直是研究的热点,基于动态规划的道路提取算法是最有效的算法之一。该文基于LiDAR点云数据特征改进了该算法的代价函数,进而提高了基于动态规划的道路提取算法的鲁棒性。为正确地融合航拍图像和LiDAR点云数据,研究了航拍图像和LiDAR点云数据的匹配算法。最后,通过试验验证了算法的正确性。     

图像与视频质量评价综述

图像/视频的获取及传输过程中,由于物理环境及算法性能的限制,其质量难免会出现无法预估的衰减,导致其在实际场景中的应用受到限制,并对人的视觉体验造成显著影响。因此,作为计算机视觉领域的一项重要任务,图像/视频质量评价应运而生。其目的在于通过构建计算机数学模型来衡量图像/视频中的失真信息以判断其质量的好坏,达到自动预测质量的效果。在城市生活、交通监控以及多媒体直播等多个场景中具有广泛的应用前景。图像/视频质量评价研究取得了长足的发展,为计算机视觉领域中其他任务提供了一定的便利。本文在广泛调研前人研究的基础上,回顾了整个图像/视频质量评价领域的发展历程,分别列举了传统方法和深度学习方法中一些具有里程碑意义的算法和影响力较大的算法,然后从全参考、半参考和无参考3个方面分别对图像/视频质量评价领域的一些文献进行了综述,具体涉及的方法包含基于结构信息、基于人类视觉系统和基于自然图像统计的方法等;在LIVE(laboratory for image&video engineering)、CSIQ(categorical subjective image quality database)、T...